Норхаслинда Зайнал Абидин

1 Училище за количествени науки, Колеж за изкуства и науки, Universiti Utara Малайзия, Sintok, Kedah, Малайзия,

Мустафа Мамат

2 Катедра по математика, Факултет по наука и технологии, Университет Малайзия Terengganu, Kuala Terengganu, Terengganu, Малайзия,

Брайън Дангърфийлд

3 Катедра по мениджмънт, Училище по икономика, финанси и управление, Университет в Бристол, Бристол, Великобритания,

Джафри Хаджи Зулкепли

1 Училище за количествени науки, Колеж за изкуства и науки, Universiti Utara Малайзия, Sintok, Kedah, Малайзия,

Мд. Азизул Батен

1 Училище за количествени науки, Колеж за изкуства и науки, Universiti Utara Малайзия, Sintok, Kedah, Малайзия,

Антони Wibowo

1 Училище за количествени науки, Колеж за изкуства и науки, Universiti Utara Малайзия, Sintok, Kedah, Малайзия,

Замислил и проектирал експериментите: NZA BD. Изпълнява експериментите: NZA. Анализирани данни: NZA. Реактиви/материали/инструменти за анализ, допринесени: NZA BD. Допринесъл за написването на ръкописа: NZA MM BD JHZ MAB AW. Изготвяне на статията: NZA MM BD JHZ MAB AW. Окончателно одобрение на доклада: NZA MM BD JHZ MAB AW.

Свързани данни

Авторите потвърждават, че всички данни, лежащи в основата на констатациите, са напълно достъпни без ограничения. Всички съответни данни са в хартията.

Резюме

Въведение

Затлъстяването е термин, отнасящ се до състоянието на излишни мазнини [1]. Тя е класифицирана като хронично заболяване и се е превърнала в забележим световен проблем, засягащ както богатите, така и бедните страни. Изследванията показват, че затлъстяването е свързано с честотата на различни заболявания като сърдечни заболявания, диабет тип 2, някои видове рак и множество психосоциални проблеми [2]. Добре е прието, че затлъстяването сред населението се причинява от дисбаланс, разликата между консумираните и изразходваните калории [3]. През последните две десетилетия промяната в склонността към диета с нарастващата консумация на храна извън дома допринася за затлъстяването [4]. Храната, приготвена извън дома, особено за бързо хранене, съдържа по-висока наситена мазнина и енергийна плътност и има повече добавена захар и по-големи порции ([5], [6]). Литературата в областта на общественото здраве предполага, че по-голямата честота на външна консумация на храна е свързана с наддаване на тегло и повишен индекс на телесна маса (ИТМ) и затлъстяване ([5], [7]). За децата храни, съдържащи по-високо съдържание на мазнини, захар и холестерол, намаляват коефициента на интелигентност в по-късно детство [8]. За разлика от това, опциите за здравословна храна са свързани с подобрена интелигентност [9].

Затлъстяването вече не е рядкост при децата и разпространението се увеличава с тревожна скорост. Тъй като затлъстяването е процес на пренасяне и има дългосрочни отрицателни въздействия върху различни аспекти на живота [2], в идеалния случай превенцията на затлъстяването трябва да започне в детството [1]. Статистическите данни във Великобритания показват, че разпространението на децата с наднормено тегло и затлъстяване в Британия се е увеличило от 1995 г. насам [10]. За да отговори на нарастващите тенденции в Обединеното кралство, през 2008 г. правителството си постави за цел да преобърне разпространението на затлъстяването (POB) до 2000 нива до 2020 г. [11]. Въпреки че в Обединеното кралство е започнат известен напредък в борбата с детското затлъстяване, нивото на затлъстяване все още остава високо, особено в по-ниските социално-икономически групи [11]. По този начин трябва да се определи причината за неуспеха, за да се постигне успешно решение. От количествена гледна точка един от пропуските при решаването на която и да е сложна система са неадекватните инструменти за проектиране, анализ и изпълнение на действия и политики [12].

Прегледите на публикуваната литература разкриват, че в стремежа за ефективно подобряване на затлъстяването са използвани различни техники. Повечето са директни експериментални проучвания като интервенции за промяна на поведението, които се оценяват с помощта на рандомизирани контролирани проучвания. Тяхната цел е да се определи дали промяната е оказала влияние върху намаляването на теглото, но те не са предоставили достатъчно доказателства за трайни ефекти, което предполага, че е необходимо повече време, за да могат промените да създадат ефект на популационното ниво ([13], [14 ]). Като алтернатива са създадени статистически модели, но те най-вече разглеждат прогнозата за тенденциите и обикновено се нуждаят от изобилие от исторически данни. Процесите на обратна връзка са очевидни в системата, когато се разглеждат цялостно, но те не са ясно дефинирани в статистическите или аналитичните модели.

Един от възможните начини за преодоляване на недостатъците на горните методи е използването на модела на системната динамика (SD). Модел, базиран на методологията на SD, се различава от другите модели на затлъстяването, тъй като може да пресъздаде процеса на затлъстяване на ниво популация с всички съответни променливи, разглеждани ендогенно и с процесите на обратна връзка, където доказателствата са правилно представени [15]. Освен това в модела могат да бъдат включени нечислови (меки) променливи. SD се концентрира върху тенденциите в поведението и намалява приспособяването към определени точки от данни. Едно от важните употреби на SD е да се оценят политиките за подобряване на системата [16]. SD служи като средство за тестване на различни подобрения на политиката при широк спектър от изпълнения. Оптимизацията е един от инструментите за тестване и е установено много ограничен брой проучвания за анализ на поведението на системата при променящи се политики, използващи оптимизация ([17], [18]). По този начин използването на оптимизация при оценката на политиката все още се смята за новост в областта на УР. Например, въпреки че оптимизацията на SD е била използвана за решаване на множество политически решения (вж. [19], [20], [21]), нито едно от изследванията на SD, доколкото е известно на изследователите, не е обърнало внимание на поведението решение, свързано със затлъстяването.

Цел на анализа

Това проучване разглежда целта на правителството на Обединеното кралство да премахне затлъстяването като опасение за общественото здраве до 2020 г.. Като част от общите изследователски цели, това проучване се опитва да демонстрира приноса, предлаган от SD моделирането във важна област на общественото здраве. Моделът се прилага като инструмент за експериментиране, за да се постигне полезна представа за ефектите от промените в поведението на храненето върху промените в измерването. Резултатите от промените се изследват в рамките на следните тенденции: средно тегло (AW), среден индекс на телесна маса (ABMI) и POB. Това проучване разглежда как модификациите на хранителното поведение в британската детска популация могат да доведат до успешната цел на POB до 2020 г. Това проучване има за цел да отговори на следните изследователски въпроси: първо, дали целта, поставена през 2000 г., ще бъде постигната до 2020 г. и второ, ако не, колко време ще отнеме постигането на тази цел на измерване?

Структура на хартията

Останалата част от статията е организирана, както следва: Следващият раздел представя широка извадка от проучвания от литературата за SD, свързани с различни проблеми със затлъстяването. В раздела за методологията е дефинирана концептуалната рамка, върху която се основава моделът. След това се формулира SD модел на поведение при затлъстяване чрез подчертаване на причинно-следствената връзка и динамиката на обратната връзка. След това тези динамични отношенияhiops се интегрират в работещ модел, който се проверява. Последният раздел обобщава заключението и предлага препоръки за бъдещи работи.

Аналитична рамка на изследването

Преглед на оптимизацията на динамиката на системата

Оптимизацията се определя като постигане на най-доброто решение от множеството налични алтернативи по отношение на някои критерии [22]. От гледна точка на SD, оптимизацията се използва за подобряване на резултатите от модела чрез изпълнение на модела (оптимизация на политиката) или за приспособяване на модела към наличните данни от времеви редове (оптимизация на калибрирането) [23]. Изборът между двата вида оптимизация зависи от целта на модела. Обикновено изследователите и практиците на SD зависят от тяхната интуиция, опит и подход на проби и грешки при разработването и подобряването на политиките, където политиките се тестват и модифицират и процесът се повтаря, докато се намерят задоволителни резултати. Тези подходи осигуряват добра насока за подобряване на политиката, но отнемат много време, особено за начинаещи и за тези, които работят с недостатъчно компютърни средства ([24], [20]). Понастоящем ситуацията се променя и повече усилия са разширени с развитието на методите за изготвяне на политики. Има два вида методи за проектиране на политики, прилагане на метод на теория на управлението и симулация чрез оптимизация. Последният се появи наскоро в резултат на напредналото развитие на компютърния софтуер.

Изследвания на динамиката на системата за справяне със затлъстяването

Публикувани са няколко проучвания за затлъстяване, които използват SD подхода, включително работата на Abdel-Hamid [25], който използва SD подхода за моделиране на метаболизма на тялото и енергийната регулация. Абдел-Хамид оцени факторите на приема на храна и упражненията и как тези компоненти взаимодействат, за да определят телесното тегло на възрастните. През 2004 г. Homer и колеги [26] моделират въздействието на калорийния дисбаланс върху промените в телесното тегло и ИТМ на възрастното население в САЩ. В Homer et al. [27], целта беше да се моделират тенденциите в ИТМ на различни възрастови категории в популацията. Според знанията на изследователите обаче нито едно от тези проучвания не използва оптимизация, за да намери решение за затлъстяването. За да се запълни тази празнина, за настоящото проучване е приет хибридът от два подхода за калибриране и оптимизиране на политиките. Желаната цел AW се въвежда като бъдеща времева редица и моделът се оптимизира за тази серия. Целта е да се промени тенденцията, така че до 2020 г. POB да се върне към това, което беше през 2000 г. И накрая, за разлика от горните модели на SD, които се фокусират или върху отделния човек, или върху цялото население на САЩ, фокусът тук е върху британското детско население на възраст 2–15 години, разделено по пол и три възрастови групи.

Методология на системната динамика

Преглед на системната динамика

SD е въведена в края на 50-те години на миналия век и професор Джей Форестър е основоположникът на методологията [28]. Това е компютъризиран подход за изучаване на поведението на сложна система във времето. SD моделирането първоначално включва картографиране, след което се развива с развитието на модела, който използва софтуерен пакет, например Vensim, Stella, iThink или Powersim. По отношение на използването е подходящ метод за справяне с въпроси на стратегическо ниво, свързани с политически решения. По-конкретно, SD използва модел за тестване на политики и за преодоляване на политическото съпротивление. SD се различава от другите подходи за моделиране, тъй като се занимава със сложния проблем, който съдържа цикли за обратна връзка, нелинейни и времеви закъснения които влияят върху поведението на цялата система [16]. Поради своята способност, приложенията на SD в различни здравни проучвания се отчитат добре в литератури като затлъстяване [29], [30] и скрининг за хламидия [31].

Източници на данни

Това проучване се фокусира върху британското детско население на възраст между 2 и 15 години като цялостен подход за предотвратяване на затлъстяването на популационно ниво. Данните, използвани в това проучване, са получени от Health Survey for England (HSE) [10], както и от други публикувани източници.

Описание на модела

Фигура 1 демонстрира рамката за изобразяване на структурните предположения за процеса на затлъстяване. Диаграмата позволява интегрирането на четири различни сектора на прием на храна, енергийни разходи (EE), физическо измерване и въздействие на ИТМ в една диаграма. Всички тези сектори имат специфична функция, когато считат, че крайната цел на модела е да оцени ефектите от промените в хранителното поведение върху теглото и затлъстяването.

борба

Фиг. 2 е разширение на диаграмата на подсектора, предназначена да опише процеса на затлъстяване от обяснения за обратна връзка. Диаграмата е проектирана с помощта на инструмента причинно-следствена връзка (CL), който се състои от променливи, свързани чрез положителни (+) или отрицателни (-) връзки. Положителната връзка между променливите A и B означава, че увеличаването на A ще доведе до увеличаване на B. Междувременно отрицателната връзка означава, че ако променливата A се увеличи, променливата B ще намалее в обратна посока [16]. Що се отнася до консумацията на храна, по-големият размер на порциите и броят на приетите ястия водят до по-голяма консумация на обща мазнина, докато обратното условие важи за по-ниска консумация. Средният размер на мастната порция от дома, училище или извън храната се определя от параметър, наречен процент на фракция. Промените във фракционната скорост водят до промени в средния размер на порцията мазнини и този процес на влияние се обяснява от трите подсилващи контура на RL1, RL2 и RL3.

Разработване на модел

Тази статия разработи симулационен модел, наречен Intervention Childhood Goesity Dynamics (ICOD) чрез фокусиране на взаимовръзките между различни направления на знанието в една сложна система за регулиране на теглото на човека. Моделът за затлъстяване ICOD беше успешно разработен с помощта на софтуера Vensim за формулиране, анализиране и експериментиране [33]. В това проучване моделът е симулиран от 1970 до 2030 г., а продукцията е разделена на Фаза 1 (1970–2012) и Фаза 2 (2013–2030). Фаза 1 представя минали и настоящи ситуации, които водят до затлъстяване, докато Фаза 2 се отнася до способността на модела ICOD да обърне бъдещето на тенденциите AW, ABMI и POB. Данните са събрани от публикуващи източници [10] и преглед на литературата [25], [26], за да се симулира моделът. Времевата стъпка за симулацията е 0,0625.

Процес на оптимизация на динамиката на системата

Като цяло има пет стъпки в процеса на оптимизация [34]. Като първа стъпка трябва да се определят важните концепции, преди да започне процесът на оптимизация. Тези понятия са функция на изплащане и тегло. Функцията за изплащане е формула, която изразява целевата функция. След това стойността на теглото трябва да бъде присвоена на функцията за изплащане и стойността винаги трябва да бъде 1.0 за оптимизация на калибрирането [23]. При оптимизацията на калибрирането Vensim взема разликата между променливата на модела и стойността на данните, умножава го по тегло, изчислява на квадрат и го добавя към сумата на грешките, която е сведена до минимум. След това се разглеждат параметрите. Процесът на оптимизация продължава, като се търси най-доброто решение, което най-добре отговаря на симулираната AW към данните от времевия ред, въведени според желаната AW. Процесът на оптимизация се осъществява чрез максимизиране на функцията за изплащане. Стойността на функцията за изплащане обикновено е отрицателна и след оптимизация стойността трябва да бъде по-малко отрицателна. Най-добрата стойност на изплащане след оптимизация ще бъде нула [23].

Приемането на оптимизация на системната динамика

Таблица 1 представя правдоподобна цел за AW, необходима до 2020 г., а Фигура 3 илюстрира графика за промени в теглото спрямо изходното ниво, започвайки през 2013 г., която би била съвместима с правителствената политика на Обединеното кралство. Взехме решение за теглото, защото за да може нацията да преодолее нарастващия прилив на затлъстяване сред населението, всеки трябва да може да достигне здравословно тегло. С това ще бъде постигнато само постижението в POB [11]. Горната (синя) линия на фиг. 3 показва симулираната тенденция (базов случай) за общия AW, докато долната (червената) линия е желана траектория на теглото, която преминава през целта, необходима до 2020 г. (≈34,6 kg). Общо AW е теглото, измерено от общо шест моделни категории от три възрастови групи и пол. Тенденцията е представена от общото население (2–15 години) като по-широка стратегия за справяне със затлъстяването на населението. За да се постигне желаното тегло от 34,55 кг през 2020 г., промените трябва да бъдат направени в единични или комбинация от параметри. В нашето проучване ние избираме 2013 г. като начална година за въвеждане на промените в политиката.